Notice bibliographique
Résumé
Data set with 127 funding programmes for interdisciplinary research. Table summary (excel) and documents (pdfs).<br> <br> This data set covers funding opportunities to support interdisciplinarity (and other forms of crossdisciplinary research) in Europe and North America. The data has been collected in two rounds. The first round was between November 2018 and February 2019, and the second January–February 2022. Data set covers funding opportunities from both public and private sources, and all scholarly disciplines in both STEM and SSH. The database covered all Pan-European funding and national data sets from Australia, Canada, Denmark, Finland, Ireland, the Netherlands, New Zealand, Nigeria, South Africa, Sweden and the United Kingdom. I collected the guidelines for applicants from each of the funding programmes selected. These were usually in PDF format, and are included in this file. I used the data set to analyse the role of social sciences and humanities in interdisciplinary research. This study will be published in Social Epistemology. This article has more information about data collection and data analysis.<br> <br> If you wish to use this data set for further research, please cite this repository file. If you wish to know more about the study, I am happy to provide details. You can reach me via email, anita.valikangas@gmail.com .<br> <br> Best wishes,<br> Anita Välikangas
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,019 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,011 | 0,001 |
| Communication savante | 0,009 | 0,001 |
| Science ouverte | 0,007 | 0,016 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,103 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».